基于神经网络模拟的渐进多焦点镜片性能预测

Alexander Leube; Lukas Lang; Gerhard Kelch; Siegfried Wahl

基于神经网络模拟的渐进多焦点镜片性能预测

机器学习 2021-03-22 v1 图像与视频处理机器学习

作者: Alexander Leube , Lukas Lang , Gerhard Kelch , Siegfried Wahl

摘要

目的：本研究旨在提出一种基于卷积神经网络(CNN)预测视觉 acuity (VA, 视力)的框架，并进一步用于比较渐进多焦点镜片(PAL)设计。方法：训练了一个简单的双隐藏层CNN，通过将CNN的特征提取能力与心理物理学阶梯法相结合，对Landolt C视标的缺口方向进行分类。该模拟针对39只主观测量眼由诱导球镜离焦(介于±1.5 D之间，步长：0.5 D)预测临床VA的可预测性进行了验证。随后，对由通用硬性或软性PAL设计(附加光度：2.5 D)矫正的 presbyopic (老视)眼进行了模拟，包含低阶和高阶像差。结果：验证显示模拟VA存在+0.20 logMAR ±0.035 logMAR的一致偏移。偏移校正结果的Bland-Altman分析显示一致性界限(±1.96 SD)为-0.08 logMAR和+0.07 logMAR，与VA评估的临床重复性相当。将模拟应用于PAL证实了通用硬设计具有更大的远用区，但未发现中距离区或近用区宽度差异。此外，在PAL中部发现具有更好VA的水平区域，这证实了使用基于物体的像差和生理性能指标(如VA)进行真实性能模拟的重要性。结论：所提出的整体模拟工具被证明可作为主观视觉性能的准确模型。此外，该模拟在PAL上的应用表明其作为比较不同光学设计视觉性能的有效方法的潜力。而且，该模拟为纳入视觉感知的神经方面从而在未来模拟包含神经处理的VA提供了基础。

关键词

卷积神经网络视觉 acuity (视力) 渐进多焦点镜片光学设计模拟心理物理学阶梯法主观视觉性能

引用

@article{arxiv.2103.10842,
  title  = {Prediction of progressive lens performance from neural network simulations},
  author = {Alexander Leube and Lukas Lang and Gerhard Kelch and Siegfried Wahl},
  journal= {arXiv preprint arXiv:2103.10842},
  year   = {2021}
}

备注

9 pages, 4 figures

基于神经网络模拟的渐进多焦点镜片性能预测

摘要

关键词

引用

备注

相关论文